CONSTRASTACIÓN

DE LAS HIPÓTESIS

Ing. Christian Ovalle

Consultor – Investigador - Asesor

www.consultoriaovalle.com
1
Objetivos del tema

 Conocer el proceso para contrastar hipótesis y su

relación con el método científico.

 Diferenciar entre hipótesis nula y alternativa

 Nivel de significación

 Significación

 Toma de decisiones, tipos de error y cuantificación del

error.

2
Contrastando una hipótesis Son demasiados...

No se si los fumadores
pesarán como el resto…
unos 70Kg (hipótesis
nula)...

¡Gran
diferencia!

Muestra Rechazo la
aleatoria de hipótesis
fumadores

X  85 kg
3
¿Qué es una hipótesis?
Creo que el porcentaje
de enfermos será el 5%
 Una creencia sobre la
población, principalmente sus
parámetros:
 Media
 Varianza
 Proporción/Tasa

 OJO: Si queremos contrastarla,

debe establecerse antes del
análisis.
4
Introducción breve: ¿Los fumadores pesan más?
En la población de no fumadores, el peso
medio es 70 kg.

¿Cómo podríamos ‘demostrar’ si

los fumadores pesan más…
... unos 5 kg más?

70 75

Veamos qué puede ocurrir si

tomamos muestras de tamaño 4 y
calculamos el peso medio… para cada caso.

5
 Decidir si los fumadores pesan más: Tamaño muestral

¿Qué puede ocurrir si tomamos

muestras de tamaño 30 y 70 75
calculamos el peso medio?

6
 Decidir si los fumadores pesan más: Tipos de error
Tomemos la decisión basándonos
en muestras de tamaño 4...

Puedo cometer 2 tipos de error.

Error de tipo II

Se acepta que Se acepta

no hay que sí hay
70 75
diferencias diferencias

Error de tipo I

7
 Identificación de hipótesis
 Hipótesis nula Ho  Hip. Alternativa H1
 La que contrastamos  Niega a H0 (y creemos que es ‘mejor’).

 Los datos pueden refutarla

 Los datos pueden mostrar evidencia a
favor
 No debería ser rechazada sin una  No debería ser aceptada sin una gran
buena razón. evidencia a favor.

H 0 : p  50% , , 
 , , 
 H1 : p  50%

8
¿Quién es H0?

 Problema: ¿La osteoporosis está relacionada con

el sexo?

 Solución:

 Traducir a lenguaje estadístico: p  50%

 Establecer su opuesto: p  50%
 Seleccionar la hipótesis nula

H 0 : p  50%
9
¿Quién es H0?

 Problema: ¿El colesterol medio para la dieta

mediterránea es 6 mmol/l?

 Solución:

 Traducir a lenguaje estadístico:  6

 Establecer su opuesto: 6
 Seleccionar la hipótesis nula

H0 :   6
10
Razonamiento básico
Si supongo que H0 es cierta...

¿qué hace un
científico cuando su
teoría no coincide
con sus
predicciones?

  70
X  85

... el resultado del experimento sería improbable.

Sin embargo ocurrió.

11
Razonamiento básico
Si supongo que H0 es cierta...

Rechazo que H0 sea

cierta.

  70
X  85

... el resultado del experimento sería improbable.

Sin embargo ocurrió.

12
 Razonamiento básico
Si supongo que H0 es cierta...
• No hay evidencia contra H0
¿Si una teoría hace
predicciones con •No se rechaza H0
éxito, queda
probado que es •El experimento no es concluyente
cierta?
•El contraste no es significativo

  70
X  72

... el resultado del experimento es coherente.

13
 Región crítica y nivel de significación
Región crítica
 Valores ‘improbables’ si...
 Es conocida antes de realizar el
experimento: resultados
experimentales que refutarían H0
Nivel de significación: a
 Número pequeño: 1% , 5%
 Fijado de antemano por el
investigador
 Es la probabilidad de rechazar H0
cuando es cierta

a=5%

Reg. Crit. Reg. Crit.

No rechazo H0
H0: =70

14
 Contrastes: unilateral y bilateral
La posición de la región crítica depende de la hipótesis alternativa

Bilateral H1: 70

Unilateral Unilateral

H1: <70 H1: >70

15
Significación: p

a
H0: =70
Bioestadística. Tema 7: Contrastes de hipótesis 16
U. Málaga.
Significación: p

No se rechaza
H0: =70

a
H0: =70
X  72 17
Significación: p
Es la probabilidad que tendría una región crítica que comenzase exactamente en el valor del
estadístico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe aún más que la nuestra de H0.
Es la probabilidad de que por puro azar obtengamos una muestra “más extraña” que la obtenida.
p es conocido después de realizar el experimento aleatorio
El contraste es no significativo cuando p>a

P a

No se rechaza
H0: =70

P a

18
X  72
Significación : p

Se rechaza H0: =70

Se acepta H1: >70

a

X  85

19
Significación : p
El contraste es estadísticamente significativo cuando p< a
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.

a P

Se rechaza H0: =40

Se acepta H1: >40

a P

X  85
20
Resumen: a, p y criterio de rechazo

 Sobre a  Sobre p
 Es número pequeño,  Es conocido tras
preelegido al diseñar el realizar el experimento
experimento

 Conocido a sabemos  Conocido p sabemos

todo sobre la región todo sobre el resultado
crítica del experimento

 Sobre el criterio de rechazo

 Contraste significativo = p menor que a
21
Resumen: a, p y criterio de rechazo

a
Estadí sticos de contraste

Edad del
enc uest ado
U de Mann-Whitney 259753, 500
W de Wilcox on 462319, 500
Z -2,317
Sig. asintót. (bilat eral) ,021
a. Variable de agrupac ión: Sexo del encues tado

 Sobre el criterio de rechazo

 Contraste significativo = p menor que a
22
 Ejemplo
 Problema: ¿Está sesgada la moneda?

H 0 : prob cruz  50%


 H1 : prob cruz  50%

Experimento: Lanzar la moneda repetidamente:

P=50% P=25% P=12,5% P=6,25% P=3% P=1,5%

23
Riesgos al tomar decisiones
Ejemplo 1: Se juzga a un individuo por la presunta comisión de un delito

Los datos pueden refutarla

La que se acepta si las pruebas

 H0: Hipótesis nula no indican lo contrario
 Es inocente
Rechazarla por error tiene graves
consecuencias

 H1: Hipótesis alternativa

 Es culpable No debería ser aceptada sin una gran
evidencia a favor.

Rechazarla por error tiene

consecuencias consideradas menos
graves que la anterior

24
Riesgos al contrastar hipótesis
Ejemplo 2: Se cree que un nuevo tratamiento ofrece buenos resultados
Ejemplo 3: Parece que hay una incidencia de enfermedad más alta de lo normal

 H0: Hipótesis nula No especulativa

 (Ej.1) Es inocente
 (Ej.2) El nuevo tratamiento no tiene
efecto
 (Ej.3) No hay nada que destacar

 H1: Hipótesis alternativa Especulativa

 (Ej.1) Es culpable
 (Ej.2) El nuevo tratamiento es útil
 (Ej. 3) Hay una situación anormal

25
Tipos de error al tomar una decisión

Realidad
Inocente Culpable
Inocente
vere OK Error
dicto
Menos grave

Culpable
Error OK
Muy grave

26
Tipos de error al contrastar hipótesis
Realidad
H0 cierta H0 Falsa
No Rechazo H0 Error de tipo II
Correcto
El tratamiento no El tratamiento si tiene efecto
tiene efecto y así se pero no lo percibimos.
decide.
Probabilidad β

Rechazo H0 Error de Correcto

Acepto H1
tipo I El tratamiento tiene efecto y
El tratamiento no el experimento lo confirma.
tiene efecto pero se
decide que sí.

Probabilidad α

27
No se puede tener todo
Recuerda lo que
pasaba con
b sensiblidad y
especificidad
a

 Para un tamaño muestral fijo, no se pueden reducir a la

vez ambos tipos de error.

 Para reducir b, hay que aumentar el tamaño muestral.

28
Conclusiones
 Las hipótesis no se plantean después de observar los datos.

 En ciencia, las hipótesis nula y alternativa no tienen el mismo papel:

 H0 : Hipótesis científicamente más simple.

 H1 : El peso de la prueba recae en ella.

 α debe ser pequeño

 Rechazar una hipótesis consiste en observar si p<α

 Rechazar una hipótesis no prueba que sea falsa. Podemos cometer error de tipo I

 No rechazar una hipótesis no prueba que sea cierta. Podemos cometer error de tipo
II

 Si decidimos rechazar una hipótesis debemos mostrar la probabilidad de

equivocarnos.

29
¿Qué hemos visto?
 Hipótesis
 Nula
 Alternativa

 Nivel de significación
 α
 Probabilidad de error de tipo I

 Significación, p.
 Criterio de aceptación/rechazo.

 Tipos de error
 Tipo I
 Tipo II
30